光学人工智能提升智能应用处理性能

现有的电子和光子平台在应对当今由物联网（IoT）、云服务、边缘计算及人工智能等技术驱动的海量数据处理需求时，已显力不从心。

模仿大脑信息处理方式的神经形态计算框架，正成为实现海量数据高效光子处理的潜在途径。神经形态平台利用光学人工智能（Optical AI），为并行处理等类脑活动提供光学平台。

该装置配置基于“8”字形设计，包含一个输入环路（上方）和一个处理环路（下方）。两个环路通过一个50:50的4端口耦合器连接。初始光场（II）在此处分为两个分量（III）和（IV），这两个分量沿相反方向传播。它们在经过放大和耦合器内的非线性相互作用后重新结合。输出光场（V）被解复用，并使用光谱分析仪（用于获取光谱分布）和超快示波器（用于获取时间分布）进行读取

加拿大国家科学研究所（INRS）的研究人员开发出一种可调谐的神经形态计算器件，该器件采用了光学人工智能和光子储层计算（RC）技术。该光子储层计算器件基于非线性放大环镜（NALM），并采用具有时间延迟的单节点全光架构。非线性放大环镜固有的稳定性确保了即使在高噪声或波动输入条件下，器件仍能保持一致的分类性能。

该器件集成了一个非线性螺旋波导和一个半导体光放大器，用于调制储层的激活函数。储层的计算能力允许将复杂输入映射到高维状态空间，从而增强了器件对微小信号变化的灵敏度。

研究团队通过时间复用技术在储层内部构建了虚拟节点，并将训练过程限制在输出层（读出层）。然而，通过使用多个同步的连续波激光器，该器件能够支持跨波长通道的多任务处理，从而实现真正的并发，既能并行注入数据，也能同时处理相同或不同的机器学习任务。

通过支持跨独立数据通道的并发多任务处理，该光子储层计算（RC）器件无需增加硬件复杂性即可实现可扩展的计算性能。

研究人员Luigi Di Lauro表示：“我们的研究表明，光学人工智能可以成为传统电子技术的有力替代方案。通过利用光进行计算，我们的器件能够以超高速度运行，仅消耗极少能量，同时高精度地恢复失真的电信信号。”

研究人员利用该器件执行了高速、低延迟的非线性复杂机器学习任务处理，包括用于预测的分类任务以及用于电信信号恢复的回归任务。

在验证器件性能的实验中，研究团队实现了每秒20万亿次操作（20 tera-ops/s）的吞吐量，以及每次操作4.4飞焦耳（fJ，千万亿分之一焦耳）的能效，同时在分类和回归任务中均保持了高精度。他们还证明，该器件能够有效处理并行的机器学习任务（即多任务处理），最低预测准确率超过94%。

这些成果为实现可重构、紧凑、高性能的光子处理器用于实时智能应用指明了潜在路径。

通过在单个单元内并发处理所有波长通道，该光子RC器件实现了真正的并行处理。当这一点与密集编码相结合时，它消除了延迟瓶颈，使得吞吐量能够随可用通道数量直接线性扩展，并使光子RC器件能够以显著提高的能效执行实时信号处理。

教授Roberto Morandotti表示：“光子学与人工智能的交叉融合，为构建更快、更节能的通信网络开辟了道路。”

从长远来看，将光学人工智能直接集成到现有的电信基础设施中，将有助于建设更快、更高效、更可持续的通信网络，从而支撑互联网流量、云服务和边缘计算，同时减少这些技术的环境足迹。